直播镜头下，五天五夜无休——屏幕里 ，代码一行行滚动生成指令；屏幕另一侧
，机械臂昼夜不停地取样、反应 、提纯
、测试，全程没有任何研究人员踏入操作间 。

　　直播间人数不断攀升
。

　　初看 ，这似乎又是一场机器人表演秀。毕竟，机器狗巡逻、机械臂组装 、早已不是什么新鲜事 。那么
，这场直播究竟凭什么值得关注？

干湿闭环直播截图

　　事实上，这不是简单的自动化演示 ，而是一次从设计到实验
，全程无需人工干预的完整科研闭环的实时验证。由上海科学智能研究院牵头建设、上海格物智研科技有限公司打造运营的“Golab物质科学智能研发工厂 ”，已成功跑通国内领先的“AI计算—自动实验—数据回流—模型自进化”干湿闭环全流程 ，并在生物医药
、能源材料、日用化工等多个行业方向开展验证性应用
。

　　新民晚报记者了解到
，“计算—执行—反馈—迭代
”的技术闭环，正成为全球科技公司从技术验证走向商业落地的共识路径。无论是自动驾驶 、具身智能还是科学智能 ，头部机构几乎都在用同一套方法论：让AI在真实物理世界中执行任务
、采集数据、反哺模型 、持续进化 。

　　例如
，特斯拉依托全球数百万辆存量车构建真实路况数据闭环，今年2月上海临港AI训练中心投用 ，完成全链路本土化闭环
，全球车队每天 产生约16亿帧图像数据，FSD累计行驶里程超100亿英里；宇树科技打通“真机采集—模型训练—真实部署”完整闭环 ，今年3月开源的人形机器人真机数据集包含189万条真实场景动作轨迹数据，驱动模型持续迭代……

　　不难理解
，这套体系瞄准的是物质科学研发长期以来的核心痛点：周期漫长
、试错成本高
。AI能预测却无法验证、能设计却无法合成 、能单点自动化却无法串联全流程，大量科学假设因此止步于计算模拟 ，无法进入物理世界接受检验。“Golab工厂 ”的突破在于
，以通用的跨领域基础模型作为“大脑
”，自驱动实验室作为伸向物理世界的“双手” ，以及让二者持续互相校正
、越用越强的自进化系统 。

　　“数据回流是让系统自进化的关键所在
。 ”上智院主任研究员、格物智研算法高级专家徐丽成告诉记者
，“实验结果，包括大量在传统研发中被丢弃的失败案例与负向数据 ，被结构化回流至模型端
，验证预测正误，模型据此自我修正。
”

　　团队带头人 、上智院AI科学家
、格物智研创始人曹风雷表示 ，平台的目标并非取代科研人员
，而是帮助他们更好地专注于科研本身 。过去，科研人员要耗费大量精力处理与科研不直接相关的事务 ，比如从零搭建实验室或配置设备，成本高且耗时
。进入这一平台后
，这些环节可以大幅精简。科研人员只需集中思考“该做什么”和“如何解决问题 ”，执行层面则交由平台完成 。

　　直播的意义 ，正在于将这条链路毫无保留地置于公众视野之下
，让技术接受真实场景的检验，也让所有人见证科研从“人力驱动
”加速转向“智能驱动”
。截至7月11日21时 ，直播共运行135题
，原规划为102题。由于在分子生成、AI训练与推理 、虚拟筛选等环节均进行了不同程度的时间优化，整体进度提前结束 ，同时在药物设计方向增加了同类型但不同目标的题目 。总体完成率达到99%
，工具调用正确率为100%，工具完成度高于95%。

　　“整个平台在超长时间任务串行中表现极其稳定
。 ”曹风雷自豪地透露。

（文章来源：上观新闻）